CAPTULO 1

Introduccion
1.1. Que es la econometra?
La relacion de la econometra con la economa es, en sentido amplio, similar a la
de la biometra con la biologa, la psicometra con la psicologa o la sociometra con
la sociologa. Todas estas disciplinas tratan de la medici on de determinados fen omenos
o procesos mediante metodos estadsticos. El diccionario de la lengua espa nola dene
econometra (de economa y metra) como parte de la ciencia econ omica que aplica
las tecnicas matem aticas y estadsticas a las teoras econ omicas para su vericaci on y
para la soluci on de los problemas econ omicos mediante modelos, y econometra como
persona que profesa la econometra o tiene en ella especiales conocimientos.
El origen de la econometra puede jarse en diciembre de 1930, cuando un grupo de
economistas, matematicos y estadsticos crean la Sociedad Econometrica para el avance
de la teora economica en su relaci on con las matem aticas y la estadstica (Economet-
rica vol. 1, 1933). Los objetivos de esta sociedad indican claramente el prop osito de la
econometra: confrontar teora econ omica y realidad.
Tintner (The denition of Econometrics, Econometrica 1953) abord o el problema
de denir la econometra recopilando las deniciones propuestas y concluyendo que
el termino econometra debera restringirse a las investigaciones que usan economa,
matematicas y estadstica, siendo una disciplina diferente de la economa matem atica
(que no es emprica y no usa las matem aticas) y de la estadstica econ omica (que no
usa las matematicas). Esta denici on de econometra, que enfatiza la relevancia de las
matematicas, estadstica y economa, es posiblemente la m as repetida en los libros de
texto de introduccion a la econometra, pero no es una denici on generalmente aceptada.
Los importantes desarrollos de esta disciplina desde 1960, impulsados por el aumento
de la potencia de calculo computacional y las mejoras en las fuentes estadsticas, han
dado lugar a diferentes ramicaciones que han incrementado el disenso en la denici on
de econometra. Esto ha llevado a algunos autores a adoptar la denicion simplista
econometra es lo que hacen los econ ometras, posiblemente adaptada de ciencia es lo
que hacen los cientcos. Y que hacen los econ ometras? La respuesta a esta pregunta
constituye el principal proposito de la metodologa de la econometra, que es la
parte de la losofa de la ciencia que se ocupa de la descripci on de las contribuciones
de la econometra a la ciencia econ omica. Simplicando podemos decir que algunos
econometras se dedican al desarrollo de metodos econometricos (econometra teorica)
y otros al arte de construir y usar modelos econometricos (econometra aplicada). Los
metodos econometricos son la caja de herramientas del econ ometra que contiene modelos
econometricos, metodos de estimaci on, contrastes de hip otesis y tecnicas de prediccion
y simulacion. La descripcion de este herramental constituye el objetivo principal de este
curso.
1
2 1.3. Tipos de datos
1.2. Relaciones entre variables
La ley mas famosa en economa es la ley de la demanda, que postula una relaci on
entre dos variables: la demanda de un bien aumenta (disminuye) cuando su precio dis-
minuye (aumenta). Se trata de una proposici on causa-efecto: si aumenta el precio, en-
tonces la cantidad demandada disminuye. Su expresi on matem atica es Q = f(P) con
dQ/dP < 0, donde Q es la cantidad, P es el precio y dQ/dP es la derivada de Q re-
specto de P. Hay innitas expresiones analticas para representar la relaci on entre dos
variables. Por desgracia, la teora econ omica no especica la forma funcional de la ley
de demanda. Algunos ejemplos son:
1. Q =
1
+
2
P,
2
< 0
2. Q =
1
P

2
,
2
< 0
3. Q = e

1
+
2
P
,
2
< 0
4. Q =
1
+
2
logP,
2
< 0
La primera expresion es la ecuaci on lineal de primer grado o ecuaci on de la recta, en
donde
1
es la ordenada o termino independiente y
2
es la pendiente. La ecuaci on de
la recta es la forma general de relaci on lineal entre dos variables (ecuaci on lineal de
primer grado). La relaci on se dice lineal porque la derivada dQ/dP no depende de P.
En una una recta, la ordenada
1
indica el valor de la variable dependiente cuando la
variable independiente se ja en cero, mientras que la pendiente mide la inclinaci on de
la recta, en otras palabras, el cambio de la variable dependiente ante un cambio unitario
de la variable independiente.
La segunda ecuaci on es un ejemplo particular de relaci on no lineal: la derivada
dQ/dP =
1

2
P

2
1
depende de P. Para interpretar los coecientes
1
y
2
es con-
veniente aplicar logaritmos. De este modo obtenemos la relaci on logartmica log Q =
log
1
+
2
log P. Ahora, la ordenada mide la cantidad demandada cuando el precio es
unitario (
1
= Q cuando P = 1), mientras que la pendiente es la elasticidad punto de la
demanda o cambio porcentual en la cantidad demandada ante un cambio porcentual del
precio
2
= dQ/dP P/Q. Deniendo Q

1
+
2
P

, en donde Q

= logQ, P

= logP
y

1
= log
1
, tenemos una relaci on lineal entre Q

y P

, dQ

/dP

=
2
.
La tercera ecuacion puede escribirse como logQ =
1
+
2
P, que es una ecuaci on semi-
logartmica. Aqu, e

1
es la cantidad demandada cuando el precio es cero, y = dQ/dP
1/Q mide el cambio porcentual en Q ante un cambio unitario en P. An alogamente, en
la cuarta ecuacion,
2
= dQ/dP P es la respuesta de Q ante un cambio porcentual en
P (Nota: la derivada de log(f(x)) respecto de x es f

(x)/x).
La gura 1 muestra la representaci on gr aca de estas cuatro relaciones.
1.3. Tipos de datos
Los datos que observamos en economa son de tres tipos: datos de secci on cruzada,
datos de series temporales y datos de panel.
Las observaciones sobre distintas unidades (alumnos, consumidores, empresas, re-
giones, pases, etc) en un instante del tiempo se denominan datos de seccion cruza-
da. Algunos ejemplos son la lista de calicaciones de la asignatura de econometra en la
convocatoria de junio o las acciones del IBEX-35 el 2 de octubre de 2007 a las 12:49. El
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
1. Introduccion 3
0
0.5
1
1.5
2
2.5
3
0 2 4 6 8 10
Q
P
0
10
20
30
40
50
60
70
0 2 4 6 8 10
l
o
g
Q
log P
0
2
4
6
8
10
12
14
16
18
20
22
0 2 4 6 8 10
l
o
g
Q
P
1.5
2
2.5
3
3.5
4
4.5
0 2 4 6 8 10
Q
log P
Figura 1: Relaciones entre Q y P
cuadro (1) contiene observaciones de las Pernoctaciones en Hoteles para las provincias
espa nolas en el mes de agosto de 2007.
Almera 803.483 LasPalmas 2.832.700 CiudadReal 75.268 Coru na 532.377
Cadiz 1.144.699 Tenerife 2.369.813 Cuenca 76.308 Lugo 148.021
Cordoba 154.033 Cantabria 523.608 Guadalajara 49.612 Ourense 76.625
Granada 525.191 Avila 75.713 Toledo 117.500 Pontevedra 616.747
Huelva 645.834 Burgos 151.295 Barcelona 2.649.561 Madrid 1.280.764
Jaen 120.225 Leon 174.961 Girona 2.234.637 Murcia 380.557
Malaga 2.369.599 Palencia 57.374 Lleida 301.363 Navarra 185.013
Sevilla 351.378 Salamanca 198.982 Tarragona 1.642.591 Alava 58.996
Huesca 291.977 Segovia 86.661 Alicante 1.987.678 Guip uzcoa 219.103
Teruel 111.624 Soria 57.222 Castellon 596.875 Vizcaya 209.980
Zaragoza 199.033 Valladolid 87.830 Valencia 728.563 Rioja 107.888
Asturias 626.575 Zamora 57.067 Badajoz 98.455 Ceuta 14.962
Baleares 9.502.303 Albacete 75.045 Caceres 124.947 Melilla 15.330
Cuadro 1: Pernoctaciones por provincias, agosto 2007
Los datos de series temporales son observaciones sobre una unidad en distintos
instantes del tiempo. A diferencia de los datos de secci on cruzada, los datos de series
temporales tienen una ordenacion natural y presentan inercia, es decir, el conocimiento
del pasado ayuda a predecir el futuro. El Banco de Espa na (www.bde.es), el Instituto Na-
cional de Estadstica (www.ine.es), el Instituto C antabro de Estadstica (www.icane.es),
as como otras institutos nacionales e internacionales, publican peri odicamente datos de
numerosos indicadores economicos. Por ejemplo, el INE publica mensualmente el In-
dice de Precios al Consumo y el Indice de Producci on Industrial; trimestralmente, la
Encuesta de la Poblacion Activa y la Contabilidad Nacional Trimestral; y anualmente,
la Contabilidad Nacional. La gura 2 muestra el gr aco temporal de la serie mensual
ingresos por turismo. No hay que ser un econ ometra experto para dibujar la trayectoria
que previsiblemente seguira la serie durante 2007.
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
4 1.4. Modelos econometricos
0.076
1.1
2.2
3.2
4.2
5.3
1990 1995 2000 2005
I
(
t
)
t (1990.1 - 2007.4)
Figura 2: Ingresos por turismo en Espa na (millones de euros )
Los datos de panel o datos longitudinales combinan datos de secci on cruzada y
series temporales, recogiendo, por tanto, observaciones sobre distintas unidades en dos
o mas instantes del tiempo. El panel se dice equilibrado si para cada unidad sectorial
se dispone del mismo n umero de observaciones temporales. En caso contrario, el panel
es desequilibrado. Ejemplos relevantes son el Panel de Hogares de la Uni on Europea
(PHOGUE), que permite seguir en el tiempo los mismos hogares (700.000), estudiar
lo que cambia en sus vidas cuando las condiciones y las polticas socioecon omicas se
modican, y como reaccionan a estos cambios; as como la Central de Balances del
Banco de Espa na, que recopila y mantiene informaci on econ omico-nanciera sobre la
actividad de las empresas no nancieras espa nolas.
La peculiaridad de estos tres tipos de datos ha estimulado el desarrollo de metodos
econometricos especcos para su an alisis, entre los que cabe destacar los modelos de
eleccion discreta, modelos de series temporales y modelos de datos de panel.
Estos tres tipos de datos se conocen como datos observacionales para distinguirlos
de los datos experimentales procedentes de experimentos dise nados en laboratorios bajo
condiciones controladas. Por ejemplo, los fsicos pueden medir con precision la relaci on
entre el tiempo y la distancia de cada de un cuerpo, repitiendo repetidas veces el mismo
experimento. Por desgracia, en economa no es posible analizar un fen omeno econ omico
real de esta forma.
1.4. Modelos econometricos
Un modelo y, en particular, un modelo econ omico es una representaci on simplicada
de un fenomeno del mundo real, que nos permite comprender situaciones complejas
y hacer predicciones. Por ejemplo, la ley de la demanda es una simplicaci on de la
realidad economica porque supone que la demanda depende s olo del precio. Podramos
argumentar que es posible aumentar el modelo considerando la renta del consumidor y
los precios de los bienes sustitutivos, pero a un as seguiremos haciendo una simplicaci on
porque la lista de variables que pueden inuir en la demanda es interminable.
La cuesti on que se plantea es si debemos utilizar modelos simples que incluyen
pocas variables o modelos complejos que contengan todas las variables posibles. Algunos
cientcos son partidarios de comenzar con un modelo simple y progresivamente construir
modelos mas complejos; otros, en cambio, preeren seguir el camino inverso: partir de
un modelo general y simplicarlo progresivamente hasta alcanzar un modelo simple.
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
1. Introduccion 5
Los modelos economicos, simples o complejos, pueden expresarse como modelos ver-
bales, gracos o matematicos. En econometra, nos interesan los modelos matem aticos
con una expresion analtica especca, por ejemplo,
Q =
1
+
2
P
Esta ecuacion establece una relaci on exacta entre las variables Q y P. As, si usamos este
modelo economico para explicar la demanda de tomates en una muestra de 100 consum-
idores, este modelo predice que todos los consumidores demandan la misma cantidad
de tomates cuando se enfrentan al mismo precio. Sin embargo, parece razonable pensar
que algunos consumidores compraran m as tomates que otros. Esta fuente de variaci on
se introduce en el modelo a nadiendo un termino de error aleatorio o perturbaci on es-
tocastica
(1.1) Q
i
=
1
+
2
P
i
+ e
i
, i = 1, . . . , 100
Ahora dos consumidores que se enfrentan al mismo precio, pueden demandar una canti-
dad diferente de tomates. La ecuaci on (1.1) es un ejemplo de un modelo econometrico,
en concreto, se trata de un modelo de regresi on lineal simple. La representaci on gr aca
de la muestra de 100 observaciones, junto con la lnea recta m as pr oxima a la nube de
puntos, se presenta en la gura (3).
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
1.5 2 2.5 3 3.5 4 4.5
Q
P
Figura 3: Diagrama de dispersi on entre la demanda y el precio de los tomates
La inclusion del termino de error en el modelo econometrico se justica por varias
razones:
1. recoge el efecto neto de una larga lista de variables omitidas que inuyen en la
variable dependiente, la mayora de las cuales no son observables,
2. captura los errores en la especicaci on de la forma funcional,
3. incluye errores en la medici on de las variables del modelo,
4. contiene otros efectos aleatorios impredecibles.
1.5. La construccion de un modelo econometrico
El metodo cientco se compone de preguntas, teoras, observaciones, datos, hip otesis
y contrastes que se combian usando tres principios b asicos:
1. empirismo o uso de la evidencia emprica,
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
6 1.5. La construccion de un modelo econometrico
2. racionalismo o uso del pensamiento l ogico,
3. escepticismo o uso del pensamiento crtico.
Estos componentes y principios justican la construcci on de un modelo econometrico
siguiendo las siguientes etapas:
1. Motivacion. La construcci on de un modelo no es un n en s mismo, sino un
medio de responder a una pregunta de interes. Un proyecto de econometra
debe tener un proposito claro.
2. Especicacion. La formulaci on econometrica de la teora econ omica relevante
y el tipo de datos a usar, que denen el modelo econometrico, dependen del
proposito de nuestro proyecto. La habilidad y el buen juicio para especicar el
mejor modelo se conoce como el arte de la econometra.
3. Estimacion. Consiste en el uso eciente de los datos para asignar valores numeri-
cos a los par ametros del modelo. Antes de la estimaci on, deberamos tener una
idea sobre el signo y tama no de los par ametros.
4. Validacion. Es la diagnosis o crtica constructiva del modelo para detectar er-
rores de especicacion y proponer, en su caso, direcciones de mejora. La eval-
uacion se basa tanto en el sentido com un (criterios econ omicos) como en con-
trastes estadsticos. Por ejemplo, el modelo de la demanda no debera arrojar
predicciones de la demanda negativas.
5. Uso. El modelo adecuado se usa para predicci on y control (an alisis de polticas
alternativas).
Motivaci on

Especicaci on

Estimaci on

Diagnosis

Uso

Figura 4: Etapas del an alisis econometrico

Un modelo que no supera las pruebas de diagnosis se considera inadecuado. En
este caso, se propone una reespecicaci on del mismo y se vuelve a la etapa 2. Se inicia
as un proceso iterativo en las etapas de especicaci on-estimaci on-validaci on que naliza
cuando se alcanza un modelo satisfactorio. El diagrama de ujo mostrado en la gura 4
resume el procedimiento iterativo seguido en la construcci on de un modelo econometrico.
Durante los a nos 50 y 60 los econ ometras dedicaron especial atenci on al desarrollo de
metodos alternativos de estimaci on, ignorando la evaluaci on del modelo econometrico.
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
1. Introduccion 7
La situacion cambio en los decenios siguientes, cuando se reconoci o la necesidad de
desarrollar contrastes de especicaci on.
1.6. El modelo lineal general
Definici on 1. El modelo de regresi on lineal general es una relaci on estadstica uniecua-
cional en la que una variable dependiente se expresa como una funci on lineal de una o
varias variables independientes m as un termino de error aleatorio.
El modelo de regresion lineal general o, simplemente, modelo lineal general puede
escribirse como
(1.2) Y
i
=
1
+
2
X
2i
+ +
k
X
ki
+ u
i
, i = 1, . . . , n
en donde
Y
i
: es la observacion i-esima de la variable dependiente Y , tambien llamada re-
gresando,
X
2i
, . . . , X
ki
: son las observaciones i-esimas de las variables explicativas X
2
, . . . , X
k
,
denominadas frecuentemente variables independientes o regresores,

1
: es el termino constante,

2
, . . . ,
k
: son los parametros asociados a las variables explicativas, que se de-
nominan coecientes de regresi on,
u
i
: es el termino de error aleatorio, tambien llamado perturbaci on estoc astica,
asociado a la observaci on i-esima,
n: es el n umero de observaciones, y k es el n umero de par ametros.
Observaci on 1. El termino constante
1
puede escribirse como
1
X
1i
, en donde
X
1i
= 1 para i = 1, . . . , n.
La ecuacion (1.2) puede tambien escribirse como
(1.3) Y
i
= x

i
+ u
i
, i = 1, . . . , n
en donde x
i
= (1 X
2i
. . . X
ki
)

es un vector columna de dimensi on k 1 que contiene

la observacion i-esima de las variables explicativas (i = 1, . . . , n), y = (
1

2
. . .
k
)

es un vector columna de dimensi on k 1 que contiene los par ametros del modelo. De
modo que, el producto escalar de los vectores x
i
y es
x

i
=

1 X
2i
. . . X
ki
_
_
_
_
_
_
_

2
.
.
.

k
_
_
_
_
_
_
=
1
+ X
2i

2
+ + X
ki

k
=
k

j=1
X
ji

j
La notacion i = 1, . . . , n en (1.2) y (1.3) es una forma abreviada de escribir el
conjunto de ecuaciones
Y
1
=
1
+
2
X
21
+ +
k
X
k1
+ u
1
Y
2
=
1
+
2
X
22
+ +
k
X
k2
+ u
2
.
.
.
Y
n
=
1
+
2
X
2n
+ +
k
X
kn
+ u
n
_

_
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
8 1.6. El modelo lineal general
que puede escribirse en forma matricial como
_
_
_
_
_
_
Y
1
Y
2
.
.
.
Y
n
_
_
_
_
_
_
=
_
_
_
_
_
_
1 X
21
. . . X
k1
1 X
22
. . . X
k2
.
.
.
.
.
.
.
.
.
.
.
.
1 X
2n
. . . X
kn
_
_
_
_
_
_
_
_
_
_
_
_

2
.
.
.

k
_
_
_
_
_
_
+
_
_
_
_
_
_
u
1
u
2
.
.
.
u
n
_
_
_
_
_
_
o bien
(1.4) y = X +u
en donde
y =
_
_
_
_
_
_
Y
1
Y
2
.
.
.
Y
n
_
_
_
_
_
_
, X =
_
_
_
_
_
_
1 X
21
. . . X
k1
1 X
22
. . . X
k2
.
.
.
.
.
.
.
.
.
.
.
.
1 X
2n
. . . X
kn
_
_
_
_
_
_
, =
_
_
_
_
_
_

2
.
.
.

k
_
_
_
_
_
_
, u =
_
_
_
_
_
_
u
1
u
2
.
.
.
u
n
_
_
_
_
_
_
.
En resumen, el modelo lineal general puede escribirse de tres formas equivalentes:
1. Y
i
=
1
+
2
X
2i
+ +
k
X
ki
+ u
i
, i = 1, . . . , n
2. Y
i
= x

i
+ u
i
, i = 1, . . . , n
3. y = X +u
Los terminos de la expresion regresi on lineal generaltienen el siguiente signicado:
Regresion: Este termino fue introducido por Francis Galton en su trabajo Re-
gression towards Mediocrity in Hereditary Stature (1886). Encontr o que padres
mas altos que la media tendan a tener hijos que eran m as bajos que ellos;
mientras que padres m as bajos que la media tendan a tener hijos m as altos
que ellos. Regresion o reversi on era el proceso de volver a la media. El termino
regresion se usa ahora con otro sentido, que por el momento asociaremos con
la relacion entre dos o m as variables.
Lineal: La ecuacion (1.2) es lineal en los par ametros y el termino de error. As,
el modelo de regresion
Y
i
=
1
+
2
1
X
2i
+ u
i
es lineal en los parametros, mientras que
Y
i
=
1
+
1

2
X
2i
+ u
i
e Y
i
=
1
X

2
2i
u
i
son ejemplos de modelos no lineales.
General: Este termino indica que la ecuaci on (1.2) contiene como casos especiales
al modelo de regresion lineal simple k = 2,
Y
i
=
1
+
2
X
2i
+ u
i
y al modelo de regresion lineal m ultiple k > 2.
En cuanto a los terminos de la expresi on relaci on estadstica uniecuacional,
Relacion uniecuacional: indica que una unica variable dependiente viene de-
terminada por una o m as variables explicativas.
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
1. Introduccion 9
Relacion estadstica: signica que la relaci on incluye un error aleatorio. En una
relacion determinista podemos explicar exactamente y sin error los valores de
la variable dependiente.
1.7. Resumen
1. La teora economica postula relaciones entre variables econ omicas, sin especi-
car formas funcionales.
2. Los datos economicos que pueden usarse para cuanticar relaciones econ omicas
son de tres tipos: datos de secci on cruzada, de series temporales, y de panel.
3. Un modelo econometrico es una relaci on estoc astica entre variables econ omicas,
caracterizada por una forma funcional y un termino de error aleatorio.
4. El termino de error recoge la variaci on de la variable dependiente que no es
explicada por las variables independientes.
5. El modelo lineal general es el modelo econometrico m as usado en la cuanti-
cacion y vericacion de las relaciones econ omicas.
6. Los principales usos de un modelo econometrico son la contrastaci on de rela-
ciones economicas, la prediccion y el control.
Palabras clave
Econometra teorica y aplicada
Relaci on entre variables
Proposicion causa-efecto (si-entonces)
Relaci on lineal
Datos de seccion cruzada
Datos de series temporales
Datos de panel
Metodos econometricos
Modelos econometricos
Perturbaci on estoc astica
Modelo lineal general
Construcci on modelos econometricos
Ejercicios propuestos
1. Dena econometra teorica y econometra aplicada.
2. Que papel juega el termino de error en un modelo econometrico?
3. En la regresion de la demanda de tomates sobre el precio, que uso hace la
econometra de la economa, las matem aticas y la estadstica?
4. Explique las etapas en la construcci on de un modelo econometrico. Represente
estas en un diagrama de ujo.
5. Clasique los siguientes modelos en las clases de modelos lineales, modelos no
lineales y modelos intrnsecamente lineales (linealizables).
a) Y
i
=
1
+
2
X
2i
+
3
X
3i
+
4
X
2i
X
3i
+ u
i
i = 1, . . . , n
b) Y
i
=
0
+
1
X
i
+
2
X
2
i
+ u
i
i = 1, . . . , n
c) Y
i
=
1
X

2
2i
X

3
3i
e
u
i
i = 1, . . . , n
d) Y
i
=
1

1
+
2
X
i
+ u
i
i = 1, . . . , n
e) Y
i
=
1
+
2
[1 e

3
X
i
] + u
i
i = 1, . . . , n
f ) Y
i
=
1
+
2
X

3
i
+ u
i
i = 1, . . . , n
g) Y
t
=
1
+
2
cos(2t/12) +
3
sin(2t/12) + u
t
t = 1, . . . , n
h) Y
t
=

1
1 + e

2
+
3
t
+ u
t
t = 1, . . . , n
6. Interpete la pendiente
2
en las siguientes ecuaciones de regresi on lineal simple
a) Y
i
=
1
+
2
X
i
+ U
i
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
10 1.7. Ejercicios propuestos
b) log Y
i
=
1
+
2
X
i
+ U
i
c) Y
i
=
1
+
2
log X
i
+ U
i
d) log Y
i
=
1
+
2
log X
i
+ U
i
e) Y
i
=
1
+
2
X
2
i
+ U
i
f ) Y
i
=
1
+
2
1
X
i
+ U
i
Por ejemplo, en la ecuaci on (1),
2
mide el cambio unitario en Y
i
ante un cambio
unitario en X
i
.
7. En su opinion, que mala pr actica en la investigaci on econometrica ridiculiza
el siguiente chascarrillo?
Un matematico, un estadstico y un econometra hacen la misma entrevista de trabajo. El
entrevistador llama al matematico y le pregunta: cuanto es dos mas dos? El matematico
responde: cuatro. El entrevistador le pregunta: exactamente cuatro? El matematico lo mira
incredulamente y dice: s, exactamente cuatro. Despues llama al estadstico y le hace la
misma pregunta: cuanto es dos mas dos mas dos? El estadstico dice que en media son
cuatro, mas menos el cinco por ciento de error, pero en media son cuatro. Finalmente llama
al econometra y le plantea la misma pregunta: cuanto es dos mas dos? El econometra se
levanta, cierra la puerta, baja las persianas, se sienta al lado del entrevistador y le dice:
que resultado te interesa?
Prof. Dr. Jose Luis Gallego G omez
Departamento de Economa. Universidad de Cantabria
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons